電網(wǎng)企業(yè)數(shù)據(jù)挖掘研究

1、電網(wǎng)企業(yè)數(shù)據(jù)挖掘研究 摘要:收入預(yù)算預(yù)測對引導(dǎo)業(yè)務(wù)部門開源節(jié)流、提質(zhì)增效具有重要作用。隨著我國經(jīng)濟轉(zhuǎn)型和地緣政治形勢的變化，我國企業(yè)面臨的經(jīng)營環(huán)境更加復(fù)雜，收入預(yù)算的可控性大大降低。在新形勢下，如何提高預(yù)測收入預(yù)算的準確度成為實務(wù)界和理論家廣泛關(guān)注的重要問題。本文以D電網(wǎng)企業(yè)電費收入預(yù)算為案例，利用數(shù)據(jù)挖掘方法建立基于人工神經(jīng)網(wǎng)絡(luò)模型的電網(wǎng)企業(yè)收入預(yù)算預(yù)測系統(tǒng)，為我國企業(yè)實現(xiàn)收入預(yù)算精細化管理，提升預(yù)算管理的戰(zhàn)略導(dǎo)向水平作出有益探索。 關(guān)鍵詞:收入預(yù)算管理;數(shù)據(jù)挖掘;電網(wǎng)企業(yè) 一、引言 電網(wǎng)企業(yè)收入預(yù)算是指電網(wǎng)企業(yè)以年度目標利潤為基礎(chǔ)，分析用戶需求、價格標準和市場情況，對售電量及電費收入進行預(yù)

2、測，并制定出相應(yīng)預(yù)算指標的一種預(yù)算管理活動。當(dāng)前電網(wǎng)企業(yè)收入預(yù)算管理仍處于較為粗放的模式，缺乏獨立的定量測算方法，一旦出現(xiàn)偏差只能事后調(diào)整，收入預(yù)算調(diào)整較為滯后。隨著電力市場交易體量的不斷擴大、增量配電網(wǎng)的接入以及充電樁等新能源的快速發(fā)展，售電量的時間序列隨機性逐漸增大，收入預(yù)算預(yù)測難度進一步增加?；谏鲜霰尘?，本文試圖利用數(shù)據(jù)挖掘方法構(gòu)建收入預(yù)算預(yù)測系統(tǒng)，幫助電網(wǎng)企業(yè)更精細地規(guī)劃企業(yè)目標收入，提升效益戰(zhàn)略導(dǎo)向性，主動適應(yīng)經(jīng)濟環(huán)境和電力市場改革的變化。 二、文獻回顧 在大數(shù)據(jù)技術(shù)快速發(fā)展的背景下，越來越多學(xué)者認為數(shù)據(jù)挖掘技術(shù)在電網(wǎng)企業(yè)生產(chǎn)系統(tǒng)安全穩(wěn)定性、調(diào)度運行、故障分析和規(guī)劃設(shè)計等方面具有良

3、好的應(yīng)用1。已有文獻發(fā)現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘法無需人為設(shè)定數(shù)學(xué)模型，能夠減少模型設(shè)定偏差，且對原始負荷時間序列的平穩(wěn)性要求不高，對負荷時序的高隨機性和非確定性具有較強的適應(yīng)能力(洪流等，2004)2。陳章良(2008)利用挖掘技術(shù)構(gòu)建了電力營銷系統(tǒng)的預(yù)測決策模型，對電力企業(yè)生產(chǎn)和計劃的完成情況及相關(guān)環(huán)境數(shù)據(jù)進行多角度、多層次的分析，幫助企業(yè)決策者及時掌握售電收入情況和變化趨勢3。然而，上述研究通常側(cè)重于電費收入與氣象時間等自然因素的影響關(guān)系，缺少從經(jīng)濟因素角度的深入分析，也沒有對數(shù)據(jù)挖掘模型對電費收入預(yù)測準確性的改善進行直接的經(jīng)驗研究。 三、構(gòu)建思路與應(yīng)用案例 根據(jù)國家發(fā)改委統(tǒng)計口徑，我們首

4、先將收入預(yù)算劃分為九個行業(yè)，包括農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)、交通運輸倉儲郵政業(yè)、信息傳輸軟件與信息技術(shù)服務(wù)業(yè)、商業(yè)住宿餐飲業(yè)、金融房地產(chǎn)居民服務(wù)業(yè)、公共事業(yè)及管理組織以及城鄉(xiāng)居民生活。根據(jù)已有文獻，電費收入的影響因素主要包括經(jīng)濟因素、時間因素、氣象因素、市場管理與政策制定因素，本文設(shè)置了30個特征指標作為上述影響因素的代理變量。其中，每個行業(yè)選擇2個經(jīng)濟因素代理指標，包括農(nóng)業(yè)固定資產(chǎn)投資額、農(nóng)產(chǎn)品出口額、工業(yè)增加值同比增長、工業(yè)出口交貨值、房屋施工面積、房屋竣工面積、貨物運輸吞吐量、軟件與信息服務(wù)業(yè)營業(yè)收入、通信行業(yè)營業(yè)收入、社會消費品零售額、餐飲收入、社會融資規(guī)模、房產(chǎn)開發(fā)投資額、國家財政預(yù)算

5、收入、國家財政預(yù)算支出、居民儲蓄收入和居民家用電器產(chǎn)量。氣象因素代理指標包括平均最高氣溫、平均最低氣溫、降水天數(shù)、偏南風(fēng)天數(shù)、平均風(fēng)力。時間因素代理指標包括月總天數(shù)、節(jié)假日天數(shù)、節(jié)假日比例、小長假天數(shù)、是否春節(jié)和季節(jié)。政策因素是以2015年4月為基期的工商業(yè)用電電度價格調(diào)整。利用Matlab軟件，本文將D市2015年7月至2017年12月九個行業(yè)的電量指標與30個特征指標輸入BP算法中進行學(xué)習(xí)訓(xùn)練，結(jié)合各歸口管理部委、行業(yè)分析師對各行業(yè)2018年的增長預(yù)期，確定上述影響因素的預(yù)測，得出2018年電量預(yù)測值，如下表1所示。結(jié)合D市2017年112月的平均售電價，系統(tǒng)最終輸出2018年112月D市

6、電費收入的預(yù)測值。該預(yù)測值可作為我們編制、審核和調(diào)整電費收入預(yù)算的重要參考。我們采用該預(yù)測值作為2018年D市的月度分解預(yù)算，則表2可展示2018年112月D市電費收入預(yù)算明細。我們計算了電費收入預(yù)算與實際電費收入相比的誤差比率，并列示于括號空格內(nèi)。由表4可見:絕大部分行業(yè)預(yù)測誤差率小于20%，農(nóng)林牧漁業(yè)、商業(yè)住宿餐飲業(yè)預(yù)測誤差率均小于10%，工業(yè)1月、信息傳輸軟件與信息技術(shù)服務(wù)業(yè)4月、城鄉(xiāng)居民生活5月、金融房地產(chǎn)居民服務(wù)10月、交通運輸倉儲郵政業(yè)1月及6月、商業(yè)住宿餐飲3月及12月的預(yù)測誤差率小于1%。上述結(jié)果表明，基于人工神經(jīng)網(wǎng)絡(luò)模型的電量預(yù)測具有較高的準確度，本文系統(tǒng)對D市電費收入預(yù)測的結(jié)果是穩(wěn)健可靠的。 四、研究結(jié)論 本文研究表明利用人工神經(jīng)網(wǎng)絡(luò)模型能夠有效改善電網(wǎng)企業(yè)收入預(yù)算預(yù)測的準確性，有助于電網(wǎng)企業(yè)提升收入預(yù)算管理水平，為其他行業(yè)企業(yè)根據(jù)自身行業(yè)特點選擇合適的數(shù)據(jù)挖掘方法進行收入預(yù)算預(yù)測作出了有益探索。但由于研究樣本、方法及水平所限，本文研究成果仍存在一定的局限性。 未來研究可以進一步結(jié)合各地級市的經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟指標可設(shè)置地區(qū)調(diào)整系數(shù)，并采用動態(tài)數(shù)據(jù)流技術(shù)，使預(yù)測數(shù)據(jù)和實際數(shù)據(jù)能夠?qū)崿F(xiàn)全自動更新與存儲，將能夠